FinSight — Plateforme de Prédiction & Analyse de Risque Financier

Projet de fin d'études — Formation Data Scientist Machine Learning

FinSight est une plateforme Data Science complète qui analyse des actifs financiers (actions CAC40/S&P500 et métaux précieux) pour prédire leur tendance à J+30 et scorer leur risque, avec explicabilité SHAP et interface conversationnelle via un agent IA.

---

Fonctionnalités

• Prédiction de tendance — classification XGBoost multiclasse : hausse / stable / baisse à J+30
• Scoring de risque — volatilité réalisée discrétisée : faible / moyen / élevé
• Explicabilité — SHAP waterfall plot pour chaque prédiction (pourquoi ce résultat ?)
• RAG sur news — recherche sémantique dans les actualités financières des 7 derniers jours
• Agent conversationnel — chatbot FinSight (Mistral + tool calling natif)
• Dashboard interactif — Streamlit avec 4 onglets : Prédiction, Graphiques, Actualités, Chatbot

---

Actifs couverts

Ticker	Actif
MC.PA	LVMH
TTE.PA	TotalEnergies
AAPL	Apple
MSFT	Microsoft
GC=F	Or (Gold)
SI=F	Argent (Silver)
PL=F	Platine (Platinum)

---

Architecture

finsight/
├── app/
│   └── streamlit_app.py        # Dashboard Streamlit 
├── data/
│   ├── raw/                    # Données brutes 
│   └── processed/              # Features CSV + modèles sauvegardés + index FAISS
├── notebooks/
│   ├── 01_eda.ipynb            # Analyse exploratoire des données
│   ├── 02_feature_engineering.ipynb
│   ├── 03_modeling.ipynb       # Walk-forward, baseline, GridSearch
│   ├── 04_shap_explainability.ipynb
│   └── 05_rag_pipeline.ipynb   # Ingestion news -> FAISS -> RAG
├── scripts/
│   └── train_pipeline.py       # Pipeline complet feature engineering + entraînement
├── src/
│   ├── config.py               
│   ├── data/
│   │   ├── collector.py        # yfinance + FRED API + NewsAPI
│   │   └── features.py         
│   ├── models/
│   │   ├── train.py            # Walk-forward CV + XGBoost + MLflow
│   │   ├── evaluate.py         # F1, ROC, matrice de confusion
│   │   └── predict.py          # Prédiction live + backtest
│   ├── explainability/
│   │   └── shap_plots.py       # Beeswarm, waterfall, bar global
│   ├── rag/
│   │   ├── ingest.py           # Chunking + embeddings + FAISS
│   │   └── retriever.py        # Recherche sémantique + génération RAG
│   └── agent/
│       └── finsight_agent.py   # Agent Mistral (tool calling natif)
├── tests/                     
├── mlflow/                  
└── pyproject.toml

---

Stack technique

Composant	Technologie
Données financières	yfinance
Données macroéconomiques	fredapi (Fed Rate, CPI, US 10Y)
Actualités financières	NewsAPI
Indicateurs techniques	ta (Technical Analysis)
Modèles ML	xgboost, scikit-learn
Explicabilité	shap (TreeExplainer)
Tracking ML	mlflow
Embeddings	sentence-transformers (all-MiniLM-L6-v2, dim=384)
Base vectorielle	faiss-cpu (IndexFlatIP, similarité cosinus)
LLM	mistralai (mistral-small-latest)
Interface	streamlit
Gestion d'environnement	uv

---

Installation

Prérequis

• Python 3.11+
• uv installé

1. Cloner et installer les dépendances

git clone <url-du-repo>
cd finsight
uv sync

2. Configurer les variables d'environnement

Créer un fichier .env à la racine :

MISTRAL_API_KEY=...     # https://console.mistral.ai (gratuit)
NEWS_API_KEY=...        # https://newsapi.org (gratuit)
FRED_API_KEY=...        # https://fred.stlouisfed.org/docs/api/api_key.html (gratuit)
MLFLOW_TRACKING_URI=./mlflow

---

Lancement

Pipeline complet (feature engineering + entraînement)

À exécuter une première fois pour générer les modèles :

uv run python scripts/train_pipeline.py

Dashboard Streamlit

uv run streamlit run app/streamlit_app.py

Tests

uv run python -m pytest tests/ -v

MLflow UI (suivi des expériences)

uv run mlflow ui --backend-store-uri ./mlflow

Puis ouvrir http://localhost:5000.

---

Modèles ML

Méthodologie : Walk-forward cross-validation

La validation temporelle est au cœur du projet. On ne mélange jamais passé et futur :

|── Train ──|── Test ──|
             |── Train ──|── Test ──|
                          |── Train ──|── Test ──|

• Données d'entraînement : 2015–2022
• Données de test : 2023–2024 (5 splits walk-forward)
• Taille minimale du train : 504 jours (2 ans)

Features utilisées

Indicateurs techniques (15) : RSI-14, MACD, signal MACD, histogramme MACD, Bollinger %B, Bollinger width, EMA-20, EMA-50, croisement EMA, volume relatif, rendements 1j/5j/20j, volatilité historique 20j/60j.

Macroéconomiques (3) : Taux directeur Fed, CPI US, Taux 10 ans US.

---

Pipeline RAG

Les actualités financières des 7 derniers jours sont indexées dans FAISS pour permettre une recherche sémantique :

NewsAPI -> texte brut -> chunking (800 chars, overlap 100)
       -> embeddings (all-MiniLM-L6-v2, dim=384)
       -> FAISS IndexFlatIP (cosine similarity)
       -> Retrieval top-5 -> Mistral (génération RAG)

---

Agent conversationnel

L'agent FinSight utilise le tool calling natif de Mistral (pas LangChain Agents) avec une boucle ReAct manuelle. Il dispose de 3 outils :

Outil	Description
predict_asset	Prédiction tendance + risque pour un actif
search_news	Recherche sémantique dans les news récentes
market_summary	Rapport complet ML + news pour un actif

---

Disclaimer

Cet outil est à but éducatif et ne constitue pas un conseil en investissement financier. Les prédictions sont issues de modèles statistiques et ne garantissent pas les performances futures.